首先，使用open函数打开文件，并使用readlines函数读取文件的所有行。 使用len函数和split函数获取每行数据的特征数量numFeat。 创建空的数据矩阵和标签向量dataMat和labelMat。 遍历文件的每一行，使用strip函数和split函数获取当前行的特征值和标签。 将特征值转换为浮点数，并添加到lineArr列表中。 将lineArr添加到dataMat中，并将标签值添加到labelMat中。 返回dataMat和labelMat。python代码

下面是代码示例：

def loadDataSet(filename):
    with open(filename) as f:
        lines = f.readlines()
    numFeat = len(lines[0].strip().split('\t')) - 1
    dataMat = []
    labelMat = []
    for line in lines:
        lineArr = []
        curLine = line.strip().split('\t')
        for i in range(numFeat):
            lineArr.append(float(curLine[i]))
        dataMat.append(lineArr)
        labelMat.append(float(curLine[-1]))
    return dataMat, labelMat

在这个示例中，我们假设文件中的每行数据以制表符分隔，并且标签值位于每行数据的最后一列。我们首先使用open函数打开文件，并使用readlines函数读取所有行。接下来，我们使用len函数和split函数获取每行数据的特征数量numFeat。然后，我们创建空的数据矩阵dataMat和标签向量labelMat。接下来，我们遍历文件的每一行，并使用strip函数和split函数获取当前行的特征值和标签。我们将特征值转换为浮点数，并添加到lineArr列表中。最后，我们将lineArr添加到dataMat中，并将标签值添加到labelMat中。最终，我们返回dataMat和labelMat。